Inception Mercury 3: Diffusions-LLM verspricht 1.068 Tokens pro Sekunde

Inception hat Mercury 3 am 19. Oktober 2026 vorgestellt und nennt es das leistungsfähigste bisher veröffentlichte Diffusions-Sprachmodell. Laut dem Unternehmen läuft es mit 1.068 Tokens pro Sekunde auf Nvidia-GPUs, verarbeitet bis zu 1 Million Tokens und kostet 0,20 $ pro Million Eingabe-Tokens. Alle Angaben zu Geschwindigkeit und Qualität stammen von Inception oder seinen frühen Kunden. Der eigentliche Test ist daher Ihre eigene Arbeitslast.

Wie ein Diffusionsmodell anders schreibt

Die meisten Chatmodelle, darunter GPT und Claude, schreiben ein Token nach dem anderen. Ein Token ist ein Wort oder ein Wortteil, und jedes muss auf das vorherige warten. Inception bewirbt Diffusion als Alternative zu diesem Vorgehen Token für Token.

Diffusion ist die Technik hinter vielen Bildgeneratoren. Statt strikt von links nach rechts zu schreiben, verfeinert das Modell eine grobe Fassung der Ausgabe über mehrere Durchgänge. Inception setzt darauf, dass Textmodelle so viel schneller werden. Mercury 3 ist sein Argument dafür, dass der Ansatz mit wachsender Größe auch klüger wird.

"Mercury 3 zeigt, dass Text-Diffusion skaliert", heißt es in der Ankündigung von Inception. Das Unternehmen behauptet, dass die Skalierungsgesetze, die gewöhnliche Modelle vorangebracht haben, auch für Diffusion gelten. Skalierungsgesetze beschreiben das beobachtete Muster, dass größere Modelle, die mit mehr Daten trainiert werden, stetig besser werden.

Stefano Ermon, CEO und Mitgründer von Inception, ging auf X noch weiter. Er nannte Mercury 3 "mit Abstand unser leistungsstärkstes Modell und das intelligenteste Diffusions-LLM, das je veröffentlicht wurde", wie RuntimeWire zitiert.

Technische Daten und Preise von Mercury 3

Punkt	Mercury 3
Geschwindigkeit	1.068 Tokens pro Sekunde auf Nvidia-GPUs (Angabe von Inception)
Kontextfenster	1 Million Tokens (Mercury 2.5: 260.000)
Größe	Mehr als 40-mal so viele Parameter insgesamt wie Mercury 1
Listenpreis	0,20 $ Eingabe / 0,70 $ Ausgabe pro Million Tokens
Startpreis	0,10 $ Eingabe / 0,35 $ Ausgabe, 50 % Rabatt, ohne genanntes Enddatum
Gecachte Eingabe	0,02 $ Listenpreis, 0,01 $ während des Startangebots
Kostenlose Nutzung	100 Millionen Tokens für neue Konten, keine Karte nötig
Bezugsquellen	Inception API, OpenRouter, Baseten, Vercel

Die API folgt dem Format von OpenAI, bestehende Client-Bibliotheken funktionieren also mit einer neuen Basis-URL. Unite.AI nennt als Modell-ID mercury-3. Inception sagt, das Modell laufe 4- bis 8-mal schneller als GPT-6 Luna und Claude Haiku 5.5.

Was die Benchmarks zeigen und was sie auslassen

Inception sagt, Mercury 3 erreiche oder übertreffe GPT-6 Luna und Claude Haiku 5.5 "über eine Reihe von Benchmarks hinweg". Für diesen Vergleich veröffentlicht das Unternehmen keine konkreten Werte, und keines der beiden Medien, die über den Start berichtet haben, ergänzt welche. Es sagt außerdem, das Modell sei dreimal klüger als das kleinste Mercury 1.

Der einzige konkrete Agententest kam von TinyFish AI, einem frühen Kunden. Die Firma ließ Mercury 3 auf 50 Live-Aufgaben aus Mind2Web laufen, einem Test, bei dem ein Agent echte Aufgaben auf Websites erledigen muss. Mercury 3 schloss 50 % davon ab. Inception nennt das "deutlich mehr" als GPT-6.1 Sol, bei ähnlichem Tokenverbrauch und geringeren Kosten pro Token. Einen Vergleichswert für Sol nennt es nicht.

Die Geschwindigkeitsangaben von Kunden sind konkreter. Octen AI testete das Modell in seiner Sense API. Die Firma maß im Median 0,9 Sekunden, um eine Antwort zu erzeugen, und 2,2 Sekunden für den gesamten Ablauf. Mit Blick auf Antworten auf smarten Brillen brachte Octen-Gründer Kuan Zou es auf den Punkt: "Eine Antwort, die fünf Sekunden dauert, wirkt kaputt."

Mercury 2 und 2.5 nehmen keine neuen Nutzer mehr an

Laut Unite.AI nehmen Mercury 2 und Mercury 2.5 keine neuen Nutzer mehr an. Bestehende Kunden, die sie vor dem 19. Oktober genutzt haben, behalten den Zugang bis zum 15. November 2026.

Was das für Entwickler bedeutet

Machen Sie Ihren eigenen Test, bevor Sie wechseln. Die Geschwindigkeitsangabe ist die Schlagzeile, aber für den Qualitätsvergleich gibt es keine veröffentlichten Zahlen. Nehmen Sie 50 bis 100 echte Prompts aus Ihrer App, lassen Sie sie durch Mercury 3 und Ihr aktuelles Modell laufen, und bewerten Sie die Antworten selbst. Die OpenAI-kompatible API macht das zu einer kurzen Aufgabe.

Schauen Sie zuerst auf Funktionen, bei denen die Latenz entscheidet. Sprachassistenten, Suchagenten und Live-Nachhilfe stehen alle auf Inceptions Kundenliste, und sie haben eines gemeinsam: Eine langsame Antwort ruiniert die Funktion. Wenn Ihr Produkt auf ein Modell wartet, während ein Nutzer auf einen Ladekreis starrt, zahlt sich ein schnelleres Modell genau dort aus.

Kalkulieren Sie mit dem Listenpreis, nicht mit dem Startpreis. Der Rabatt von 50 % hat kein genanntes Enddatum, rechnen Sie also mit 0,20 $ und 0,70 $ pro Million Tokens. Zum Vergleich: MiniMax hat M3.1 Flash diese Woche mit 0,15 $ und 0,60 $ bepreist.

Wechseln Sie vor dem 15. November weg von Mercury 2 und 2.5. Teams auf den älteren Modellen sollten Mercury 3 jetzt testen statt in der letzten Woche. Ein Kontext von 1 Million Tokens ist ein großer Sprung gegenüber 260.000. Prüfen Sie daher, ob lange Prompts sich weiterhin so verhalten, wie Sie es erwarten.